针对无人船在靠泊过程中自身运动估计和周围环境重建的需求,提出一种基于水面区域去除的船舶航迹估计方法。分析船舶靠泊场景中水域图像的特征,提出水岸线检测方法,将该水岸线检测方法与视觉里程计(Visual Odometry,VO)方法相结合,提出一种泊位水域环境中的船舶航迹估计方法,采用实船试验进行验证。现场试验表明:该方法在自主靠泊场景中对船舶航迹进行估计是可行的,试验结果与真实数据(Real Time Kinematic,RTK)值对比表明:在忽略尺度的情况下,算法估计轨迹的精度可满足靠泊要求。
为实现海事无人机在水上巡航过程中对船舶的检测,提出一种基于显著性分析的方向梯度直方图(Histograms of Oriented Gradient,HOG)快速检测方法。与大部分基于背景模型的运动检测算法不同,该方法主要利用快速的全局图像视觉显著性分析,缩小检测范围和计算量,实现快速、可靠的船舶检测。首先,从对整幅图像的频谱分析出发研究通航水域环境的分布特点;其次,采用高斯差分算子(Difference of Gaussian,DoG)组合滤波的方式实现水面显著性特征的提取,即非水面与水面区域的分离;最后,采用自适应分割技术对滤波图像进行后处理,从而直观地展示图像非水面区域。此外,当图像中存在船舶之外的其他目标时,采取方向梯度直方图算子对该区域进行多尺度检测,从而实现船舶与其他目标的分离。试验结果表明,所提算法具有良好的有效性和实时性。
